OpenClaw 從能聊到能幹差的是這 50 個 Skills 😍😍😍

我正在開發 DocFlow，它是一個完整的 AI 全栈協同文檔平台。該項目融合了多個技術棧，包括基於 Tiptap 的富文本編輯器、NestJs 後端服務、AI 集成功能和即時協作。在開發過程中，我積累了豐富的實戰經驗，涵蓋了 Tiptap 的深度定制、性能優化和協作功能的實現等核心難點。

如果你對 AI 全栈開發、Tiptap 富文本編輯器定制或 DocFlow 項目的完整技術方案感興趣，歡迎加我微信 yunmz777 進行私聊諮詢，獲取詳細的技術分享和最佳實踐。很多人第一次打開 OpenClaw，會下意識把它當成 "接在微信或 Slack 上的聊天機器人"。這種理解只對了一半。從架構上看，OpenClaw 更像一個網關：它站在你和一堆能力之間，負責路由、鑑權、記憶和工具調用。真正決定你能做多少事的，不是對話框有多好看，而是背後接了多少 "身體"——也就是 Skills。

大語言模型很像一個裝在罐子裡的超級大腦，讀得懂天下書，推得了複雜邏輯，但它沒有手。它沒法自己點按鈕、沒法直接讀你電腦裡的真實文件、也沒法 "學會" 一套新工作流，除非你每次都把那套流程寫成十幾頁的說明塞進提示詞。Skills 就是給這個大腦配上的手腳和工具箱。你通過 OpenClaw 發一句指令，網關把請求轉給模型，模型按當前加載的 Skill 決定調用哪類工具、走哪套流程，最後把結果經由同一網關回到你的聊天窗口。所以，與其說你在和 OpenClaw 聊天，不如說你在通過它調度一個 "大腦 + 一堆可插拔能力" 的聯合體。

下面這張圖概括了這條鏈路：從你的一句話，到網關、模型與 Skills 的協作，再到結果回到聊天窗口。

上圖從左到右依次是你發指令、OpenClaw 網關做路由與鑑權、大模型負責推理、Skills 提供手腳與工具、執行後結果再經網關回到聊天窗口；整條鏈路就是 "一句話調度大腦與能力"。

本文會先澄清 "提示詞膨脹" 為什麼會讓很多人吃虧，再說明 Skill 是什麼、為什麼要用 SkillGuard 管好環境安全，最後按類別梳理一批值得優先安裝的 Skills，並附上各類別的示意配圖 prompt，方便你從 "聊天思維" 切換到 "基礎設施思維"。

提示詞膨脹：為什麼你還在吃虧

如果還沒用上 Skill，大概率會落在兩種處境之一。

第一種是提示詞工程的無底洞。為了讓人工智慧好好幹一次活，你得花十幾二十分鐘寫 "完美提示詞"，把背景、約束、輸出格式、反例全塞進去。一兩次還行，任務一換又要重寫，而且同一任務下次還想復用時，又得翻聊天記錄或文檔把那一大段再貼一遍。成本高、難復用、還容易忘。

第二種是上下文超載。為了 "讓 AI 更懂我"，很多人會在系統提示裡塞進大量個性設定、操作指令和禁忌清單。結果模型還沒開始幹活，上下文窗口已經佔掉一大截，輕則推理變慢、容易截斷，重則直接爆掉，順便把 API 額度燒光。更麻煩的是，這些設定和任務強綁定在一起，換一個任務又得改一版提示，維護成本越來越高。

Skill 要解決的就是這兩類問題。它把 "怎麼用某類工具、走某套流程" 打包成獨立文件（或指令集），只在需要時加載。OpenClaw 和你用的 Agent 只加載當前任務需要的 "戰術手冊"，其餘時間保持輕量。這樣 Agent 能保持敏銳、成本可控、結果也更容易複現。你不是在跟一個越聊越臃腫的聊天窗口較勁，而是在維護一套可組合的能力層。

Skill 是什麼，以及為什麼要用 SkillGuard

從技術上說，一個 Skill 就是一個打包好的指令集，通常以文件形式存在，用來告訴 Agent 如何使用特定工具或執行某類複雜工作流。

區別在於指令的粒度。不寫 Skill 時，你只能說 "請幫我看看這段代碼有沒有錯誤"，模型只能根據當次對話裡的零散信息自由發揮。有了 Skill，你可以說 "用 debug-pro 這個 Skill 對我的倉庫做一次全面掃描，檢查日誌，然後在終端裡按規範修復語法錯誤"。後者是 "指名用哪套能力、按什麼流程做"，前者是 "隨便你怎麼做"。前者依賴每次的提示詞質量，後者依賴事先定義好的能力包，可復用、可審計、可迭代。

Skill 來源一多，風險就來了。ClawHub 等技能市場上有大量第三方 Skill，質量參差不齊，甚至混入惡意代碼（竊取憑證、反向 shell、挖礦等），OpenClaw 的架構又給了 Agent 系統級權限和對外通信能力，一旦裝上惡意 Skill，影響會很大。所以官方和社區都強調用 SkillGuard 一類機制做監控：在真正執行或下載 Skill 前，做來源校驗、行為掃描或沙箱隔離，在 "環境安全" 和 "持續擴展能力" 之間取得平衡。如果你打算認真把 OpenClaw 當基礎設施用，建議從第一天就打開 SkillGuard，養成 "先驗再裝" 的習慣。

從聊天思維到基礎設施思維

大多數人會淹沒在二十多萬個可用 Skill 裡，不知道從哪裝起。真正能跑贏一票 "只會聊天" 用戶的，往往是那些先把基礎能力打牢的人。下面按類別整理一批值得優先考慮的 Skills，並說明它們各自解決什麼問題、適合誰用；每一類下面都附了一張 "這類在做什麼" 的示意配圖 prompt，你可以丟進文生圖模型生成插圖，再替換文中的代碼塊。你可以按自己的角色（獨立開發者、內容創作者、做增長的人等）勾選幾條主線，再逐步擴展。

基礎 Skills：給 AI 裝上手腳

如果感覺 OpenClaw "也就那樣"，多半不是模型不夠強，而是管道太薄。把這層當成 "操作系統" 來配，而不是聊天窗口，會順很多。下面六個是很多人會優先裝的基礎能力。

• find-skills：技能市場裡 Skill 數量巨大，手動搜既慢又容易漏。這個 Skill 讓 Agent 能按任務描述自動發現、篩選合適的 Skill，相當於導航員。
• skill-creator：把你自己的工作流和 "氛圍編程" 邏輯打包成可復用 Skill，相當於規模化複製你的習慣和判斷，讓 AI 反復按同一套標準執行。
• mcp-builder：通過模型上下文協議（MCP）把 AI 接到私人數據和外部工具上，是 2026 年很多人會裝的 "橋梁" 類 Skill，沒有它，很多高級能力接不進來。
• using-superpowers：強制 Agent 先搞清楚自己有哪些高級能力、在什麼場景下用哪一項，而不是憑感覺瞎試，相當於優化器。
• subagent-driven-development：把大任務拆成子任務，委派給子 Agent 執行並做結果審核，主 Agent 專注規劃和驗收，適合不想在一個提示詞裡搞定所有事的場景。
• agent-tools：給 Agent 一整套常用小工具，處理那些模型默認不擅長、但又很常見的瑣事，相當於數字瑞士軍刀。

適合誰用：獨立創始人、獨立開發者，以及不想 "手把手教 AI 走每一步" 的人。

下面這張圖代表 "基礎 Skills" 在做什麼：給 AI 裝上導航、橋梁、優化器、委派與工具箱。

上圖概括了基礎類 Skills 的五個角色：找 Skill、接數據、優化能力認知、委派子任務，以及日常小工具，合起來就是讓 AI 從 "只會聊" 變成 "能動手"。

策略與創作 Skills：從打字員到戰略夥伴

如果 Agent 的輸出總像機器人在填廢話，多半缺的是 "先想清楚再寫" 的環節。下面這類 Skill 會引入反思、大綱和策略，把 OpenClaw 從快速打字員變成能提前驗證邏輯的夥伴。

• brainstorming：從一個關鍵詞展開多種角度和 "如果……會怎樣" 的場景，避免只停留在第一個聽起來很 "AI" 的念頭。
• copywriting：不只生成文案，還管結構、節奏和語氣，減少對老套模板的依賴。
• systematic-debugging：一套可復用的排查框架，既能用來查代碼，也能用來分析項目計畫或異常情況。
• writing-plans：動筆前先建大綱和內容策略，避免長文寫飛。
• content-strategy：選題和內容日曆規劃，讓發布有節奏、有品牌感。
• executing-plans：把高層計畫拆成可執行的多步任務，由 Agent 按順序完成。
• marketing-ideas：給一個功能或時間節點，用成熟行銷框架產出傳播點和活動概念。
• copy-editing：在糾錯之外，順帶打磨語氣和邏輯，儘量保留你個人的表達習慣。
• social-content：把同一套核心信息改寫成適合不同平台（如 X、TikTok、小紅書）的版本，照顧各處的閱讀習慣。
• reflection：在流程裡加入自檢和糾錯環節，讓 Agent 能回顧自己的輸出、總結經驗、在過程中修正錯誤。

適合誰用：做內容、做個人品牌、或者想從 "對著空白頁發愁" 變成 "穩定產出但不丟靈魂" 的人。

下面這張圖代表 "策略與創作 Skills" 在做什麼：從想法到大綱、文案、多平台分發與反思。

上圖從左到右是創意展開、大綱與計畫、文案打磨、多平台分發、按計畫執行和反思自檢，對應 "先想清楚再寫、寫完後還能改" 的一整條創作鏈。

工程 Skills：用氛圍編程的速度，達到生產級品質

氛圍編程已經是 2026 年的常態，但光靠對話很難保證生產級可維護性和測試覆蓋。下面這些 Skill 把工程最佳實踐編碼進去，讓 Agent 在寫代碼時更貼近真實團隊的標準。

• vercel-react-best-practices、vercel-composition-patterns：React 與 Vercel 生態下的前端規範和組件組合方式。
• remotion-best-practices：用代碼驅動視頻與動畫，適合程序化行銷素材和產品演示。
• agent-browser、browser-use：讓 Agent 能瀏覽網頁、填表、抓取數據或做自動化測試，相當於給 AI 裝上 "眼睛" 和 "手"。
• vercel-react-native-skills：移動端跨平台開發時的 React Native 最佳實踐。
• supabase-postgres-best-practices：數據庫設計與 PostgreSQL 使用上的建議。
• next-best-practices：Next.js 的架構與路由等最新模式。
• webapp-testing、test-driven-development：測試驅動與自動化測試，減少回歸和邊緣問題。
• requesting-code-review：在發布前讓 Agent 自審代碼，查找潛在漏洞和壞味道。

適合誰用：自己做產品、用氛圍編程但希望交付物更穩、更可維護的創始人或開發者。

下面這張圖代表 "工程 Skills" 在做什麼：從代碼規範、測試、到瀏覽器自動化與發布前審查。

上圖概括了工程類 Skills 覆蓋的幾塊：前端與全栈規範、數據庫、測試與 TDD、瀏覽器自動化、視頻與移動端，以及發布前的代碼自審，對應 "用對話的速度寫出可維護的代碼"。

設計 Skills：不碰 Figma 也能要專業審美

不需要自己會畫圖，也能讓 Agent 產出符合設計原則的界面和素材。

• web-design-guidelines、frontend-design：按網格、色板等原則審視前端實現，避免 "通用 AI 醜"。
• ui-ux-pro-max：跨技術棧的設計與無障礙建議。
• canvas-design：把想法轉成 PNG、PDF 等視覺素材。
• tailwind-design-system：用 Tailwind 令牌和無障礙模式搭可復用的 UI 庫。
• content-visualizer、infographic-pro：根據內容推薦版式、生成信息圖或封面圖。
• ai-image-generation：統一調用多模型（如 DALL·E、Imagen、Gemini）做原型和創意圖。

適合誰用：做落地頁、做高保真內容、希望產品 "長得像樣" 但暫時不打算雇設計團隊的開發者或創始人。

下面這張圖代表 "設計 Skills" 在做什麼：從網格與色板、到信息圖與多模型出圖。

上圖從左到右是設計原則與色板、前端與組件庫、UX 與無障礙、插畫與素材、信息圖與封面推薦，以及多模型統一出圖，對應 "不自己畫圖也能要專業視覺"。

增長 Skills：把 OpenClaw 當增長引擎

產品做出來只是前半段，賣不出去等於沒存在感。這類 Skill 覆蓋從 SEO、轉化到心理誘因的鏈條。

• Larry：結合圖像生成和病毒式鉤子，自動化 TikTok 等平台的圖文內容。
• audit-website、seo-audit：網站健康與 SEO 缺口掃描，減少盲目猜測。
• marketing-psychology：把社會認同、稀缺性等原理用到產品鉤子和文案裡。
• programmatic-seo：規模化生成大量 SEO 友好頁面的工作流。
• product-marketing-context、pricing-strategy、page-cro：定位、定價和落地頁轉化優化。

適合誰用：獨立黑客、獨立創始人，以及在沒有大預算的情況下也要拉新和變現的行銷或產品人。

下面這張圖代表 "增長 Skills" 在做什麼：從 SEO、網站健康、到心理誘因與轉化。

上圖概括了增長類 Skills 的鏈條：網站與 SEO 診斷、病毒式內容、行銷心理、規模化 SEO、產品定位與定價，以及落地頁轉化優化，對應 "產品做出來之後怎麼賣出去"。

文檔 Skills：把 AI 當行政助理

合併拆分 PDF、做 PPT、出 Word/Excel、把網頁轉成 Markdown 或 HTML，這類 "文書勞動" 交給專門 Skill 處理，能省下大量時間。

• pdf-pro、pptx、docx、xlsx：對應格式的生成與編輯能力。
• url-to-markdown、markdown-to-html：為知識庫或發布流程做格式轉換。
• format-pro：統一文檔版式和樣式，保持品牌一致。

適合誰用：經常要出報告、提案、知識庫或對外材料的創始人、學生或專業人士。

下面這張圖代表 "文檔 Skills" 在做什麼：從 PDF、PPT、Word、Excel 到格式轉換與統一版式。

上圖從左到右是 PDF 處理、PPT 與 Word/Excel 生成、網頁轉 Markdown、Markdown 轉 HTML 發布，以及版式與品牌統一，對應 "文書雜活交給 AI 省時間"。

小結

OpenClaw 的價值不在於多一個聊天入口，而在於它把 "模型 + 記憶 + 工具 + 技能市場" 串成了一條可擴展的管道。你發出去的那句話，會經過網關被轉成對某幾個 Skill 的調用，再驅動真正的讀寫、執行和對外請求。想把它用成 2026 年能持續跑下去的基礎設施，就需要從 "聊天" 思維切到 "網關 + 能力層" 思維：先裝好基礎 Skills、打開 SkillGuard，再按自己的角色補上策略、工程、設計、增長或文檔中的幾條線，讓 Agent 既有手腳，又處在可控、可審計的環境裡。

原文出處：https://juejin.cn/post/7612455273806463022